Python如何将Pandas DataFrame转换为指定结构的字典

解决方法 #

• 优先使用set_index指定索引后直接转字典，无需手动转置，可避免索引异常、内容裁剪问题，适配绝大多数嵌套结构的转换需求：
  如果你需要用DataFrame某一列作为字典的顶层key，其余列作为嵌套value，写法如下：

  # 将你要作为key的列名替换到下方的`key_col`
  result_dict = df.set_index('key_col').to_dict(orient='index')
  

• 如果确实需要先转置再转字典，先重置转置后的索引避免原列名格式导致的索引异常：

  # 保留原列名作为key的写法
  transposed_df = df.T
  result_dict = transposed_df.to_dict(orient='list')
  
  # 不需要保留原列名，重置为数字索引的写法
  transposed_df = df.T.reset_index(drop=True)
  result_dict = transposed_df.to_dict(orient='list')
  

• 如果DataFrame单元格内存在列表、字典等嵌套数据，先转为行记录列表再手动映射，可避免pandas自动裁剪嵌套内容：

  row_records = df.to_dict(orient='records')
  # 可根据需求自定义字典结构，示例为用id作为key，整行内容作为value
  result_dict = {item['id']: item for item in row_records}
  

• 如果你处理的是仇恨言论检测相关的文本数据集，建议先对文本列做特殊字符清洗，避免转义符导致的内容异常：

  # 替换文本中的换行、制表符为普通空格，避免序列化异常
  df['text'] = df['text'].str.replace(r'[\n\r\t]', ' ', regex=True)
  

内容的提问来源于stack exchange，提问作者Cored